CN110361009B - 一种路径规划方法、路径规划系统以及移动机器人 - Google Patents
一种路径规划方法、路径规划系统以及移动机器人 Download PDFInfo
- Publication number
- CN110361009B CN110361009B CN201910628704.6A CN201910628704A CN110361009B CN 110361009 B CN110361009 B CN 110361009B CN 201910628704 A CN201910628704 A CN 201910628704A CN 110361009 B CN110361009 B CN 110361009B
- Authority
- CN
- China
- Prior art keywords
- robot
- path planning
- map
- equipotential
- key
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 1
- 238000010408 sweeping Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种路径规划方法、路径规划系统以及移动机器人,通过获取待测环境中的障碍物位置信息,根据障碍物位置信息建立势场地图,提取所述势场地图中的第一关键点并对第一关键点进行筛选以获得第二关键点,由第二关键点获得拓扑地图,获取从机器人当前位置到目标点位置的最优路径。本发明通过建立关于障碍物的势场地图,结合机器人当前位置信息和目标点位置信息获得从机器人当前位置至目标点的最优路径,一方面使得机器人避开了势场地图中的障碍物提高了机器人行走的安全性,另一方面由于只需要对势场地图上的第一关键点进行搜索和运算,使得机器人的运算量得到减少有效缩短了路径规划时间,改善了用户体验。
Description
技术领域
本发明涉及机器人领域,尤其涉及一种路径规划方法、路径规划系统以及移动机器人。
背景技术
移动机器人在工业生产、生活服务、环境探测等多个领域都有着广泛的应用,其中路径规划是众多本领域技术人员的重点研究方向,现有技术通常的通过A星算法在栅格地图的基础上,进行路径规划然而,当地图较大时,将导致A星算法在搜索路径的时候对规模不断增加的数组或链表进行非常频繁的排序操作,导致计算量增大,路径规划所需时间加长。此外当地图中有较多的障碍物时,A星算法所规划的路径会使得机器人与障碍物距离过小,使得机器人行走时安全性不高,甚至可能会被陷阱困住,因此,需要对机器人进行改进。
发明内容
本发明至少在一定程度上解决上述技术问题之一,本发明提供了一种路径规划方法、路径规划系统以及移动机器人,通过建立关于障碍物的势场地图减少了路径规划时间、使得移动机器人避开障碍物提高了移动机器人的安全性。
本发明第一个目的在于提出一种机器人路径规划方法,所述路径规划方法包括以下步骤:
获取待测环境中的障碍物位置信息;
根据所述障碍物位置信息建立势场地图,提取所述势场地图中的第一关键点;
通过预设条件对所述第一关键点进行筛选以获得第二关键点;
根据所述第二关键点获得拓扑地图,通过所述拓扑地图获得从机器人当前位置到目标点位置的最优路径。
进一步的,所述势场地图包括若干组等势线,同一条等势线上的点与附近障碍物距离相等,等势线的势值随着所述等势线与障碍物的距离增加而增大。
更进一步的,根据所述障碍物位置信息建立势场地图,提取所述势场地图中的第一关键点包括:
确定每组等势线中势值最大的等势线,获取所述势值最大的等势线上的等势点,并将所述等势点标记为第一关键点;
重复上述步骤直至获得势场地图中所有的第一关键点,连接所述第一关键点获得拓扑地图。
进一步的,所述路径规划方法包括:
建立原始栅格地图,根据障碍物位置信息对所述原始栅格地图二值化处理以标记出障碍物所在栅格,判断所述拓扑地图的两个相邻第二关键点之间是否有障碍物,若无障碍物则保存该路径,否则舍弃所述路径。
更进一步的,所述路径规划方法包括:
确定目标点位置、机器人当前位置,通过Dijkstra算法遍历所述拓扑地图的所有第二关键点,确定代价值最小的路径以获得机器人从当前位置到目标点位置的最优路径。
进一步的,所述通过预设条件对所述第一关键点进行筛选以获得第二关键点包括:
判断当前第一关键点是否满足预设条件,若不满足则消除所述第一关键点,若满足则标记为第二关键点,重复执行上述步骤直至遍历所有的第一关键点;
所述预设条件为所述第一关键点与附近第一关键点的距离超过预设值。
本发明的第二个目的在于提出一种机器人路径规划系统,其包括:
障碍物检测模块,被配置为检测待测环境中的障碍物位置信息;
建图模块,被配置基于障碍物位置信息建立势场地图;
确定模块,被配置为确定机器人当前位置和目标点位置;
处理模块,至少被配置为提取势场地图中的第一关键点,根据所述机器人当前位置、目标点位置以及第一关键点建立拓扑地图,
路径规划模块,被配置为基于拓扑地图确定从机器人当前位置到目标点位置最优路径。
进一步的,所述处理模块被配置为判断所述拓扑地图的两个相邻第二关键点之间是否有障碍物,若无障碍物则保存该路径,否则舍弃所述路径。
本发明的第三个目的在于提出一种移动机器人,所述移动机器人包括处理器和存储器,所述存储器储存有若干指令,所述处理器通过执行所述若干指令实现上述实例中任意一项所述的路径规划方法。
本发明与现有技术相比,至少具有以下有益效果:本发明提出一种机器人路径规划方法,所述路径规划方法包括以下步骤:
获取待测环境中的障碍物位置信息;
根据所述障碍物位置信息建立势场地图,提取所述势场地图中的第一关键点;
通过预设条件对所述第一关键点进行筛选以获得第二关键点;
根据所述第二关键点获得拓扑地图,确定目标点位置、机器人当前位置,通过所述拓扑地图获得从机器人当前位置到目标点位置的最优路径。
通过建立关于障碍物的势场地图,提取势场地图中势值最高的第一关键点作为拓扑地图上的节点,结合机器人当前位置信息和目标点位置信息获得从机器人当前位置至目标点的最优路径,一方面使得机器人避开了势场地图中的障碍物提高了机器人行走的安全性,另一方面由于只需要对势场地图上的第一关键点进行搜索和运算,使得机器人的运算量得到减少有效缩短了路径规划时间,改善了用户体验。
附图说明
图1为本发明实施例路径规划流程示意图;
图2为本发明实施例提供的待测环境的二值化示意图;
图3为本发明实施例提供的提取第二关键点后的势场地图;
图4为本发明实施例提供的获取最优路径后的势场地图;
图5为本发明实施例提供的提取第二关键点获得的第一拓扑地图;
图6为本发明实施例提供的提取第二关键点获得的第二拓扑地图;
图7为本发明实施例提供的最优路径的行进路线示意图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“横向”、“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个、三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
本发明是基于以下认识提出的:通过大量实验研究发现,当扫地机器人电量不足需要移动至充电座进行充电或者家庭环境中有某块区域没有清扫干净,此时期望扫地器人尽快移动至充电座进行充电或者将漏扫区域进行补扫,然而扫地机器人受软件算法的限制,需要进行环境地图的全面搜索,一些不相关区域也会进行搜索,耗时较长,而且扫地机器人与家庭环境中的障碍物发生碰撞时,扫地机器人自身安全受到影响的同时,扫地机器人所建立的地图的准确性也会受到影响,基于上述因素提出本发明的技术方案。
下面结合附图及实施例对本发明做进一步描述。
请参考附图1,本发明第一个目的在于提出一种机器人路径规划方法,所述路径规划方法包括以下步骤:
步骤S1,获取待测环境中的障碍物位置信息;
步骤S2,根据所述障碍物位置信息建立势场地图,提取所述势场地图中的第一关键点;
步骤S3,通过预设条件对所述第一关键点进行筛选以获得第二关键点;
步骤S4,根据所述第二关键点获得拓扑地图,通过所述拓扑地图获得从机器人当前位置到目标点位置的最优路径。
通过建立关于障碍物的势场地图,提取势场地图中势值最高的第一关键点作为拓扑地图上的节点,结合机器人当前位置信息和目标点位置信息获得从机器人当前位置至目标点的最优路径,所述路径规划方法,一方面使得机器人避开了势场地图中的障碍物提高了机器人行走的安全性,另一方面由于只需要对势场地图上的第一关键点进行搜索和运算,使得机器人的运算量得到减少有效缩短了路径规划时间,改善了用户体验。
进一步的,请参考附图3和附图4,所述势场地图包括若干组等势线,同一条等势线上的点与附近障碍物距离相等,等势线的势值随着所述等势线与障碍物的距离增加而增大。所述等势线可类比于地理学中的等高线,等势线的势值可类比与海拔高度,同一条等势线上的点与附近障碍物距离相等也即同一条等高线上的点其海拔高度相等。
更进一步的,再次参考附图3,根据所述障碍物位置信息建立势场地图,提取所述势场地图中的第一关键点包括:
确定每组等势线中势值最大的等势线,获取所述势值最大的等势线上的等势点,并将所述等势点标记为第一关键点;
重复上述步骤直至获得势场地图中所有的第一关键点,连接所述第一关键点获得拓扑地图。所述等势线距离附近障碍物越远则其势值越大,最终势值最大的等势线聚集于一点,即第一关键点。
进一步的,所述路径规划方法包括:
请查看附图2,建立原始栅格地图,根据障碍物位置信息对所述原始栅格地图二值化处理以标记出障碍物所在栅格,所述二值化处理包括:将障碍物所在栅格标记为1,并在地图上显示为黑色,空白非障碍物区域标记为0,并在地图上显示为白色,判断所述拓扑地图的两个相邻第二关键点之间是否有障碍物,若无障碍物则保存该路径,否则舍弃所述路径,具体的可查看附图5,通过连接第二关键点得到拓扑地图,其中附图5中实线部分表示相连的两个第二关键点之间的路径可沿着实线所指示路线行进,即为可行进路线,虚线部分表示两个第二关键点之间的路径沿着虚线所指示路线无法通过。具体而言参考附图6,通过获取机器人当前位置信息和目标点位置信息,通过搜索机器人当前位置附近的第二关键点和目标点位置附近的第二关键点,可得到附图6所示的简化拓扑地图,即对附图5中的路径进行优化可得到附图6所示的路线图,然而附图6中仍然有较多的路线,唯一的路线没有得到确认,需要进一步判断。值得注意的是,本发明通过建立关于障碍物的势场地图,提取第二关键点获得附图5所示的拓扑地图,此时尚未知晓目标点位置,即拓扑地图上的任意一点的坐标确认时,到达至该点的最优路径即可确认,因此通过附图5所示的拓扑地图,当目标点位置确认时,即可知道目标点附近的第二关键点,从而建立移动至目标点的最优路径,所示最优路径可使得机器人避开障碍物提高机器人行走的安全性。
更进一步的,所述路径规划方法包括:
确定目标点位置、机器人当前位置,通过Dijkstra算法遍历所述拓扑地图的所有第二关键点,确定代价值最小的路径以获得机器人从当前位置到目标点位置的最优路径。通过所述Dijkstra算法遍历拓扑地图上的第二关键点,获得每条路线的代价值,请参考附图5,附图5中A点为机器人当前位置,B点为目标点位置,即A为起点、B为终点,机器人从A点出发按照拓扑地图,遍历所有可到达B点的路线,通过代价函数G(n)计算曼哈顿距离确定所述代价值,确定曼哈顿距离最短的路径即为最优路径。请参考附图7和附图4,附图4为在势场地图下的得到最优路径。
进一步的,所述通过预设条件对所述第一关键点进行筛选以获得第二关键点包括:
判断当前第一关键点是否满足预设条件,若不满足则消除所述第一关键点,若满足则标记为第二关键点,重复执行上述步骤直至遍历所有的第一关键点;所述预设条件为所述第一关键点与附近第一关键点的距离超过预设值。通过上述步骤可对势场地图上的第一关键点进行压缩,减少过于密集的第一关键点以获得第二关键点,所述第二关键点可参考附图3和附图4中等势线中黑色圆点,通过筛选得到第二关键点,减少对不必要的第一关键点的搜索,使得机器人的路径规划效率得到提高。
本发明的第二个目的在于提出一种机器人路径规划系统,其包括:
障碍物检测模块,被配置为检测待测环境中的障碍物位置信息;
建图模块,被配置基于障碍物位置信息建立势场地图;
确定模块,被配置为确定机器人当前位置和目标点位置;
处理模块,至少被配置为提取势场地图中的第一关键点,根据所述机器人当前位置、目标点位置以及第一关键点建立拓扑地图,
路径规划模块,被配置为基于拓扑地图确定从机器人当前位置到目标点位置最优路径。
进一步的,所述处理模块被配置为判断所述拓扑地图的两个相邻第二关键点之间是否有障碍物,若无障碍物则保存该路径,否则舍弃所述路径。
本发明的第三个目的在于提出一种移动机器人,所述移动机器人包括处理器和存储器,所述存储器储存有若干指令,所述处理器通过执行所述若干指令实现上述实例中任意一项所述的机器人路径规划方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种机器人路径规划方法,其特征在于,所述路径规划方法包括以下步骤:
获取待测环境中的障碍物位置信息;
根据所述障碍物位置信息建立势场地图,提取所述势场地图中的第一关键点,所述势场地图包括若干组等势线,同一条等势线上的点与附近障碍物距离相等,等势线的势值随着所述等势线与障碍物的距离增加而增大,确定每组等势线中势值最大的等势线,获取所述势值最大的等势线上的等势点,并将所述等势点标记为第一关键点;
通过预设条件对所述第一关键点进行筛选以获得第二关键点;
根据所述第二关键点获得拓扑地图,通过所述拓扑地图获得从机器人当前位置到目标点位置的最优路径。
2.根据权利要求1所述的路径规划方法,其特征在于,根据所述障碍物位置信息建立势场地图,提取所述势场地图中的第一关键点包括:
重复获取所述势值最大的等势线上的等势点直至获得势场地图中所有的第一关键点,连接所述第一关键点获得拓扑地图。
3.根据权利要求1至2任意一项所述的路径规划方法,其特征在于,所述路径规划方法包括:
建立原始栅格地图,根据障碍物位置信息对所述原始栅格地图二值化处理以标记出障碍物所在栅格,判断所述拓扑地图的两个相邻第二关键点之间是否有障碍物,若无障碍物则保存该路径,否则舍弃所述路径。
4.根据权利要求1至2任意一项所述的路径规划方法,其特征在于,所述路径规划方法包括:
确定目标点位置、机器人当前位置,通过Dijkstra算法遍历所述拓扑地图的所有第二关键点,确定代价值最小的路径以获得机器人从当前位置到目标点位置的最优路径。
5.根据权利要求1至2任意一项所述的路径规划方法,其特征在于,所述通过预设条件对所述第一关键点进行筛选以获得第二关键点包括:
判断当前第一关键点是否满足预设条件,若不满足则消除所述第一关键点,若满足则标记为第二关键点,重复执行上述步骤直至遍历所有的第一关键点;
所述预设条件为所述第一关键点与附近第一关键点的距离超过预设值。
6.一种机器人路径规划系统,其特征在于,包括:
障碍物检测模块,被配置为检测待测环境中的障碍物位置信息;
建图模块,被配置基于障碍物位置信息建立势场地图,所述势场地图包括若干组等势线,同一条等势线上的点与附近障碍物距离相等,等势线的势值随着所述等势线与障碍物的距离增加而增大;
确定模块,被配置为确定机器人当前位置和目标点位置;
处理模块,至少被配置为提取势场地图中的第一关键点,具体步骤为确定每组等势线中势值最大的等势线,获取所述势值最大的等势线上的等势点,并将所述等势点标记为第一关键点;
通过预设条件对所述第一关键点进行筛选以获得第二关键点;
根据所述机器人当前位置、目标点位置以及第二关键点建立拓扑地图;
路径规划模块,被配置为基于拓扑地图确定从机器人当前位置到目标点位置最优路径。
7.根据权利要求6所述的路径规划系统,其特征在于,所述处理模块被配置为判断所述拓扑地图的两个相邻第二关键点之间是否有障碍物,若无障碍物则保存该路径,否则舍弃所述路径。
8.一种移动机器人,其特征在于,所述移动机器人包括处理器和存储器,所述存储器储存有若干指令,所述处理器通过执行所述若干指令实现权利要求1至5任意一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910628704.6A CN110361009B (zh) | 2019-07-12 | 2019-07-12 | 一种路径规划方法、路径规划系统以及移动机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910628704.6A CN110361009B (zh) | 2019-07-12 | 2019-07-12 | 一种路径规划方法、路径规划系统以及移动机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110361009A CN110361009A (zh) | 2019-10-22 |
CN110361009B true CN110361009B (zh) | 2020-09-22 |
Family
ID=68219029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910628704.6A Active CN110361009B (zh) | 2019-07-12 | 2019-07-12 | 一种路径规划方法、路径规划系统以及移动机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110361009B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110815226B (zh) * | 2019-11-15 | 2022-03-01 | 四川长虹电器股份有限公司 | 一种机器人任意姿态任意位置下回初始位置的方法 |
CN110888960B (zh) * | 2019-11-29 | 2021-06-08 | 深圳市银星智能科技股份有限公司 | 一种室内空间分区方法、装置及移动机器人 |
CN111158365B (zh) * | 2019-12-31 | 2023-05-16 | 深圳优地科技有限公司 | 一种路径规划方法、装置、机器人及存储介质 |
CN111176286B (zh) * | 2020-01-06 | 2022-08-23 | 重庆邮电大学 | 一种基于改进D*lite算法的移动机器人路径规划方法及系统 |
CN112000103B (zh) * | 2020-08-27 | 2023-04-11 | 西安达升科技股份有限公司 | 一种agv机器人定位、建图与导航的方法及系统 |
CN112526983B (zh) * | 2020-09-11 | 2022-10-28 | 深圳银星智能集团股份有限公司 | 一种机器人的路径规划方法、主控芯片及机器人 |
CN112549032B (zh) * | 2020-12-09 | 2022-06-28 | 深圳市优必选科技股份有限公司 | 一种机器人的控制方法、装置、设备及存储介质 |
CN115509216A (zh) * | 2021-06-21 | 2022-12-23 | 广州视源电子科技股份有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
CN113741422B (zh) * | 2021-07-30 | 2024-04-12 | 深圳市普渡科技有限公司 | 机器人拓扑地图生成系统、方法、计算机设备及存储介质 |
CN115617053B (zh) * | 2022-12-19 | 2023-03-17 | 松灵机器人(深圳)有限公司 | 障碍物遍历方法、装置、割草机器人以及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183959A (zh) * | 2011-04-21 | 2011-09-14 | 深圳市银星智能电器有限公司 | 移动机器人的自适应路径控制方法 |
CN104615138A (zh) * | 2015-01-14 | 2015-05-13 | 上海物景智能科技有限公司 | 一种划分移动机器人室内区域动态覆盖方法及其装置 |
CN105511457A (zh) * | 2014-09-25 | 2016-04-20 | 科沃斯机器人有限公司 | 机器人静态路径规划方法 |
CN106840169A (zh) * | 2017-03-24 | 2017-06-13 | 江苏物联网研究发展中心 | 用于机器人路径规划的改进方法 |
CN107357293A (zh) * | 2017-07-31 | 2017-11-17 | 上海应用技术大学 | 移动机器人路径规划方法和系统 |
CN108241370A (zh) * | 2017-12-20 | 2018-07-03 | 北京理工华汇智能科技有限公司 | 通过栅格地图获取避障路径的方法及装置 |
KR20190007632A (ko) * | 2017-07-13 | 2019-01-23 | 한국과학기술원 | 3차원 지도를 작성하여 사물 위치를 인지하는 운반용 드론 |
CN109443364A (zh) * | 2018-11-13 | 2019-03-08 | 国网浙江宁波市鄞州区供电有限公司 | 基于a*算法的路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222157B (zh) * | 2011-04-28 | 2013-10-30 | 华南理工大学 | 一种基于人工势场法的动态预警域生成方法 |
-
2019
- 2019-07-12 CN CN201910628704.6A patent/CN110361009B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183959A (zh) * | 2011-04-21 | 2011-09-14 | 深圳市银星智能电器有限公司 | 移动机器人的自适应路径控制方法 |
CN105511457A (zh) * | 2014-09-25 | 2016-04-20 | 科沃斯机器人有限公司 | 机器人静态路径规划方法 |
CN104615138A (zh) * | 2015-01-14 | 2015-05-13 | 上海物景智能科技有限公司 | 一种划分移动机器人室内区域动态覆盖方法及其装置 |
CN106840169A (zh) * | 2017-03-24 | 2017-06-13 | 江苏物联网研究发展中心 | 用于机器人路径规划的改进方法 |
KR20190007632A (ko) * | 2017-07-13 | 2019-01-23 | 한국과학기술원 | 3차원 지도를 작성하여 사물 위치를 인지하는 운반용 드론 |
CN107357293A (zh) * | 2017-07-31 | 2017-11-17 | 上海应用技术大学 | 移动机器人路径规划方法和系统 |
CN108241370A (zh) * | 2017-12-20 | 2018-07-03 | 北京理工华汇智能科技有限公司 | 通过栅格地图获取避障路径的方法及装置 |
CN109443364A (zh) * | 2018-11-13 | 2019-03-08 | 国网浙江宁波市鄞州区供电有限公司 | 基于a*算法的路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110361009A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110361009B (zh) | 一种路径规划方法、路径规划系统以及移动机器人 | |
CN110426053B (zh) | 一种路径规划方法以及移动机器人 | |
KR101778028B1 (ko) | 로봇 및 로봇의 경로 생성 방법 | |
JP6759307B2 (ja) | センサデータの空間的集約を用いる適応マッピング | |
CN110850871B (zh) | 一种机器路径规划方法及移动机器人 | |
KR101427186B1 (ko) | 미지환경에서 지능형 로봇의 이동경로 생성을 위한 영역탐색 및 매핑 장치 | |
KR101430103B1 (ko) | 골프공 회수 로봇 | |
US20130151062A1 (en) | Apparatus and method for establishing route of moving object | |
JP2016028311A (ja) | ロボット、プログラム、及び記憶媒体 | |
KR101525071B1 (ko) | 탐색 알고리즘을 이용한 미지 환경에서의 경로 매핑 및 영역 탐색방법 | |
CN113741438A (zh) | 路径规划方法、装置、存储介质、芯片及机器人 | |
CN112015186A (zh) | 一种具有社会属性的机器人路径规划方法、装置和机器人 | |
WO2015065375A1 (en) | Signal space based navigation | |
CN111209805B (zh) | 车道线众包数据的多道路片段数据的快速融合优化方法 | |
CN110132275B (zh) | 激光避障方法及装置 | |
CN110608742A (zh) | 基于粒子滤波slam的地图构建方法及装置 | |
JPH0764631A (ja) | 移動探査機の経路探索方法 | |
CN112828883B (zh) | 一种未知环境下的机器人环境探索方法及系统 | |
KR101242253B1 (ko) | 지형분류 기반 고도 지도 작성 방법 | |
CN112033423A (zh) | 一种基于道路共识的机器人路径规划方法、装置和机器人 | |
CN114415678B (zh) | 机器人的路径规划方法、装置、机器人和存储介质 | |
CN108168563A (zh) | 一种基于WiFi的大型商场室内定位导航方法 | |
CN114299392A (zh) | 移动机器人及其门槛识别方法、装置及存储介质 | |
CN114343490A (zh) | 机器人清扫方法、机器人及存储介质 | |
CN114747982B (zh) | 一种k型的清洁机器人摄像头排布方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 518110 1701, building 2, Yinxing Zhijie, No. 1301-72, sightseeing Road, Xinlan community, Guanlan street, Longhua District, Shenzhen, Guangdong Province Patentee after: Shenzhen Yinxing Intelligent Group Co.,Ltd. Address before: 518110 Building A1, Yinxing Hi-tech Industrial Park, Guanlan Street Sightseeing Road, Longhua District, Shenzhen City, Guangdong Province Patentee before: Shenzhen Silver Star Intelligent Technology Co.,Ltd. |
|
CP03 | Change of name, title or address |